基于MATLAB的医学图像配准系统
基于MATLAB的医学图像配准系统[20200406140504]
摘 要
医学图像配准是针对不同成像系统或不同时间下同一病人所取得图像，以其中一幅为参考图像，另一幅作为浮动图像并对其进行空间几何变换使得两幅图像在空间位置上实现最大化的相似，以利于医生在一幅图像上就可以获得两幅图像所包含的信息，方便诊断和治疗计划的制定。
本文首先调研了国内外研究现状，然后研究了医学图像配准的理论基础，在此基础上设计了一个基于MATLAB的医学图像系统。该系统的实现过程为：首先导入两张待配准的图像并采用高斯低通滤波预处理；随后对浮动图像进行空间变换并用PV插值法对其灰度插值；之后通过直方图计算两图像互信息值；然后使用改进的Powell算法基于最大互信息理论来判断所获得的参数是否最优，如果不是最优，程序将继续寻找最佳参数，持续搜索到最优参数；最后在GUI界面上输出其平移量，旋转角度和互信息值，并将配准后图像通过加权融合算法实现融合显示。
利用本文设计的医学图像配准系统对单模态和多模态两种配准进行了实验仿真，实验结果证明该系统能稳健、高效的完成单模态和多模态医学图像之间的配准，具有一定的实用价值。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:医学图像配准互信息PV插值Powell算法GUI
目录
第一章 绪论 1
1.1课题背景和意义 1
1.2医学图像配准技术研究现状 1
1.3 医学图像配准的难题 2
1.4论文主要内容 2
第二章医学图像配准理论基础 4
2.1 医学图像配准的定义 4
2.2 医学图像配准的基本过程 4
2.3 医学图像配准方法的分类 5
2.3.1基于待配准图像之间的维数分类 5
2.3.2基于图像特征来源分类 6
2.3.3基于坐标变换的域分类 6
2.3.4基于坐标变换的性质分类 6
2.3.5基于配准过程中的交互性分类 6
2.3.6基于变换参数的计算方法分类 6
2.3.7基于配准的过程分类 6
2.4 主要的医学图像配准方法 7
2.4.1 基于特征的配准方法 7
2.4.2 基于灰度的配准方法 7
2.5本章小结 8
第三章基于互信息的医学图像配准理论 9
3.1信息熵和互信息 9
3.1.1信息熵 9
3.1.2互信息 10
3.2直方图 11
3.2.1直方图的定义 11
3.2.2联合直方图 12
3.3图像互信息计算 13
3.4基于最大互信息理论的医学图像配准 13
3.5低通滤波处理 15
3.5.1低通滤波原理 15
3.5.2程序设计 15
3.5.3设计中使用到的函数 16
3.6空间几何变换及灰度插值 16
3.6.1平移变换 16
3.6.2 旋转变换 18
3.6.3灰度插值 20
3.7优化搜索 21
3.7.1改进的Powell算法 21
3.7.2一维搜索 23
3.8图像融合 24
3.9本章小结 24
第四章医学图像配准系统界面设计 25
4.1 医学图像配准系统界面GUI 设计 25
4.1.1设计原则 25
4.1.2 设计步骤 25
4.2 医学图像配准系统界面(GUI)实现 26
4.3本章小结 26
第五章医学图像配准系统仿真及总结 27
5.1单模态配准仿真结果 27
5.2多模态配准仿真结果 28
5.3总结及展望 29
参考文献 31
致谢 33
第一章 绪论
1.1课题背景和意义[1～5]
21世纪以来，计算机的发展越来越迅速，医学领域内成像系统也随之的不断创新发展，也造成医生所要看的图像变多。但在实际应用中，在医学领域内，医生对病人的病情判断要实时、准确，要尽可能快的得出结论。医学图像配准的发展，给医生一种能快速诊断病情，实时追踪病情的捷径。
我们知道，不同成像系统所产生的图像存在很大差异，它们各自都有自己的优缺点。单独一种成像系统不能完全适用于人体所有器官的检查，也不能适用于所有疾病的检测，由此，单独一个成像系统所成图像包含的信息不完整。因此，众多成像系统所成的图像所包含的信息是相辅相成的。
当前，根据医学图像所能提供的信息，可以大致分成两大类：解剖结构图像和功能图像。解剖结构图像，包括CT，MRI，US，B超，以更高的分辨率显示器官的解剖学信息。功能图像主要有SPECT，FMR，PET等，其分辨率较差，它可以提供脏器功能代谢的信息，这是解剖结构图像中没有的。
随着时代的发展，这两类图像也得到较快发展，分辨率有所提高，但他们之间还是存在很大差异，由此我们利用图像配准技术，使得图像得以配准，为下一步融合做好准备，也让医生可以从一幅图像中得到他们所有需要的信息，这将大大提高医生诊断的准确性，也可以跟踪病情完善治疗方案。
1.2医学图像配准技术研究现状
医学图像配准技术经过近半个世纪的发展，已经在很多方面取得了长足的进展。这一技术在国外相对较早被人所重视并去研究，而国内大概兴起的时间在1990年代[5]。
国外通过长时间的研究，在医学图像配准算法方面取得的很多成果。P.E.Anuta[6]研究了采用FFT对图片采取一些检测计算，由此去让配准过程更加快速；以D.L.Barnea[7]为主等人研究把子图片的差值作为配准的相似性测度；M.Svedlow[8]等对医学图像配准的相似性测度和预处理方法进行了比较分析； Flussr[9]研究出了一种自适应映射的方式去对会发生形变的图片间的配准。surveyofim eregistration[10]总结出了医学图片配准的常用的主流方法；之后，以zitov[11]为主的等人在Image registration methods:a servey中对10年来涌现的配准进行了总结描述；Anjali Malviya[12] 提出了基于互信息的小波变换；I D Dmitriev[13]等人提出了全自动乳腺动态增强MRI和PET / CT的配准。
目前，配准方法有很多，按照图像处理的空间域，可以把它分为时域方法和频域方法。像点法、曲线法、表面法、矩和主轴法、最大互信息法、非线性变换技术、流体力学模型、光流场模型等[14]。特别是在医学图像配准系统中引入了联合熵、互信息和相对熵，使得基于最大互信息理论的配准得以受到重视和研究，也因它们的引入，提高了精确度。
二十一世纪是计算机飞速发展的时代，由于其视觉技术与各个学科的交融，人们又发现了其他一些配准算法，如光流场方法、弹性力学模型和流体力学模型等。医学图像配准技术正在蓬勃发展中。
医学图像发展到今天，已经研究出了许多了算法，但是这些算法往往是针对某一特殊方向，算法不具有一般性，一种算法不能适用于多种情况，这就导致了针对了某一方向的医学图像配准算法，在选择时，根据具体情况，对精度，运算速度作出合理的选择。医学图像配准的发展方向是尽可能的让研究出的算法具有一般性，也要保证其运算速度和精度方面等都能有所提高。
1.3 医学图像配准的难题
由于图像来自不同的成像设备，它们之间存在着非常大的不同之处，还有噪声、分辨率的影响，都给图像配准带来很大的难度。目前，主要有以下几大难题：
（1）配准时间长
目前，主要有两种类型的配准算法，但是不管是基于灰度还是基于特征的都比较费时。如何提高配准算法的运行速度，是目前一大难题之一。
（2）自动性不高
当前许多配准算法不能完全完成自动配准，特别是在基于特征的这一类中，还有许多算法需要人工干预，才能继续进行。如何让配准算法完全的全自动化也是一大难题。
（3）通用性不高
由于图像的来源有很多种，有些来自特殊的传感器，他们具有和别的图像完全不同的空间信息，配准就很难进行下去。而且，目前来说，有的算法只针对某一特定传感器，不具有一般性。解决它的通用性也是一大难题。
摘 要
医学图像配准是针对不同成像系统或不同时间下同一病人所取得图像，以其中一幅为参考图像，另一幅作为浮动图像并对其进行空间几何变换使得两幅图像在空间位置上实现最大化的相似，以利于医生在一幅图像上就可以获得两幅图像所包含的信息，方便诊断和治疗计划的制定。
本文首先调研了国内外研究现状，然后研究了医学图像配准的理论基础，在此基础上设计了一个基于MATLAB的医学图像系统。该系统的实现过程为：首先导入两张待配准的图像并采用高斯低通滤波预处理；随后对浮动图像进行空间变换并用PV插值法对其灰度插值；之后通过直方图计算两图像互信息值；然后使用改进的Powell算法基于最大互信息理论来判断所获得的参数是否最优，如果不是最优，程序将继续寻找最佳参数，持续搜索到最优参数；最后在GUI界面上输出其平移量，旋转角度和互信息值，并将配准后图像通过加权融合算法实现融合显示。
利用本文设计的医学图像配准系统对单模态和多模态两种配准进行了实验仿真，实验结果证明该系统能稳健、高效的完成单模态和多模态医学图像之间的配准，具有一定的实用价值。
*查看完整论文请 +Q: 3 5 1 9 1 6 0 7 2
关键字:医学图像配准互信息PV插值Powell算法GUI
目录
第一章 绪论 1
1.1课题背景和意义 1
1.2医学图像配准技术研究现状 1
1.3 医学图像配准的难题 2
1.4论文主要内容 2
第二章医学图像配准理论基础 4
2.1 医学图像配准的定义 4
2.2 医学图像配准的基本过程 4
2.3 医学图像配准方法的分类 5
2.3.1基于待配准图像之间的维数分类 5
2.3.2基于图像特征来源分类 6
2.3.3基于坐标变换的域分类 6
2.3.4基于坐标变换的性质分类 6
2.3.5基于配准过程中的交互性分类 6
2.3.6基于变换参数的计算方法分类 6
2.3.7基于配准的过程分类 6
2.4 主要的医学图像配准方法 7
2.4.1 基于特征的配准方法 7
2.4.2 基于灰度的配准方法 7
2.5本章小结 8
第三章基于互信息的医学图像配准理论 9
3.1信息熵和互信息 9
3.1.1信息熵 9
3.1.2互信息 10
3.2直方图 11
3.2.1直方图的定义 11
3.2.2联合直方图 12
3.3图像互信息计算 13
3.4基于最大互信息理论的医学图像配准 13
3.5低通滤波处理 15
3.5.1低通滤波原理 15
3.5.2程序设计 15
3.5.3设计中使用到的函数 16
3.6空间几何变换及灰度插值 16
3.6.1平移变换 16
3.6.2 旋转变换 18
3.6.3灰度插值 20
3.7优化搜索 21
3.7.1改进的Powell算法 21
3.7.2一维搜索 23
3.8图像融合 24
3.9本章小结 24
第四章医学图像配准系统界面设计 25
4.1 医学图像配准系统界面GUI 设计 25
4.1.1设计原则 25
4.1.2 设计步骤 25
4.2 医学图像配准系统界面(GUI)实现 26
4.3本章小结 26
第五章医学图像配准系统仿真及总结 27
5.1单模态配准仿真结果 27
5.2多模态配准仿真结果 28
5.3总结及展望 29
参考文献 31
致谢 33
第一章 绪论
1.1课题背景和意义[1～5]
21世纪以来，计算机的发展越来越迅速，医学领域内成像系统也随之的不断创新发展，也造成医生所要看的图像变多。但在实际应用中，在医学领域内，医生对病人的病情判断要实时、准确，要尽可能快的得出结论。医学图像配准的发展，给医生一种能快速诊断病情，实时追踪病情的捷径。
我们知道，不同成像系统所产生的图像存在很大差异，它们各自都有自己的优缺点。单独一种成像系统不能完全适用于人体所有器官的检查，也不能适用于所有疾病的检测，由此，单独一个成像系统所成图像包含的信息不完整。因此，众多成像系统所成的图像所包含的信息是相辅相成的。
当前，根据医学图像所能提供的信息，可以大致分成两大类：解剖结构图像和功能图像。解剖结构图像，包括CT，MRI，US，B超，以更高的分辨率显示器官的解剖学信息。功能图像主要有SPECT，FMR，PET等，其分辨率较差，它可以提供脏器功能代谢的信息，这是解剖结构图像中没有的。
随着时代的发展，这两类图像也得到较快发展，分辨率有所提高，但他们之间还是存在很大差异，由此我们利用图像配准技术，使得图像得以配准，为下一步融合做好准备，也让医生可以从一幅图像中得到他们所有需要的信息，这将大大提高医生诊断的准确性，也可以跟踪病情完善治疗方案。
1.2医学图像配准技术研究现状
医学图像配准技术经过近半个世纪的发展，已经在很多方面取得了长足的进展。这一技术在国外相对较早被人所重视并去研究，而国内大概兴起的时间在1990年代[5]。
国外通过长时间的研究，在医学图像配准算法方面取得的很多成果。P.E.Anuta[6]研究了采用FFT对图片采取一些检测计算，由此去让配准过程更加快速；以D.L.Barnea[7]为主等人研究把子图片的差值作为配准的相似性测度；M.Svedlow[8]等对医学图像配准的相似性测度和预处理方法进行了比较分析； Flussr[9]研究出了一种自适应映射的方式去对会发生形变的图片间的配准。surveyofim eregistration[10]总结出了医学图片配准的常用的主流方法；之后，以zitov[11]为主的等人在Image registration methods:a servey中对10年来涌现的配准进行了总结描述；Anjali Malviya[12] 提出了基于互信息的小波变换；I D Dmitriev
目前，配准方法有很多，按照图像处理的空间域，可以把它分为时域方法和频域方法。像点法、曲线法、表面法、矩和主轴法、最大互信息法、非线性变换技术、流体力学模型、光流场模型等[14]。特别是在医学图像配准系统中引入了联合熵、互信息和相对熵，使得基于最大互信息理论的配准得以受到重视和研究，也因它们的引入，提高了精确度。
二十一世纪是计算机飞速发展的时代，由于其视觉技术与各个学科的交融，人们又发现了其他一些配准算法，如光流场方法、弹性力学模型和流体力学模型等。医学图像配准技术正在蓬勃发展中。
医学图像发展到今天，已经研究出了许多了算法，但是这些算法往往是针对某一特殊方向，算法不具有一般性，一种算法不能适用于多种情况，这就导致了针对了某一方向的医学图像配准算法，在选择时，根据具体情况，对精度，运算速度作出合理的选择。医学图像配准的发展方向是尽可能的让研究出的算法具有一般性，也要保证其运算速度和精度方面等都能有所提高。
1.3 医学图像配准的难题
由于图像来自不同的成像设备，它们之间存在着非常大的不同之处，还有噪声、分辨率的影响，都给图像配准带来很大的难度。目前，主要有以下几大难题：
（1）配准时间长
目前，主要有两种类型的配准算法，但是不管是基于灰度还是基于特征的都比较费时。如何提高配准算法的运行速度，是目前一大难题之一。
（2）自动性不高
当前许多配准算法不能完全完成自动配准，特别是在基于特征的这一类中，还有许多算法需要人工干预，才能继续进行。如何让配准算法完全的全自动化也是一大难题。
（3）通用性不高
由于图像的来源有很多种，有些来自特殊的传感器，他们具有和别的图像完全不同的空间信息，配准就很难进行下去。而且，目前来说，有的算法只针对某一特定传感器，不具有一般性。解决它的通用性也是一大难题。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/dzxx/gdxx/386.html
